精华内容
下载资源
问答
  • Sequence

    2016-12-25 16:16:25
    Now we may select one number from each sequence to form a sequence with m integers. It's clear that we may get n ^ m this kind of sequences. Then we can calculate the sum of numbers in each sequence,...
  • UML时序图(Sequence Diagram)学习笔记

    万次阅读 多人点赞 2018-07-04 14:37:25
    什么是时序图时序图(Sequence Diagram),又名序列图、循序图,是一种UML交互图。它通过描述对象之间发送消息的时间顺序显示多个对象之间的动态协作。时序图的元素我们在画时序图时会涉及7种元素:角色(Actor)、对象...

    什么是时序图

    时序图(Sequence Diagram),又名序列图、循序图,是一种UML交互图。它通过描述对象之间发送消息的时间顺序显示多个对象之间的动态协作。

    让我们来看一看visio2016对时序图的的解释。


    时序图的元素

    我们在画时序图时会涉及7种元素:角色(Actor)、对象(Object)、生命线(LifeLine)、控制焦点(Activation)、消息(Message)、自关联消息、组合片段。其中前6种是比较常用和重要的元素,剩余的一种组合片段元素不是很常用,但是比较复杂。我们先介绍前6种元素,在单独介绍组合片段元素。

    角色(Actor)

    系统角色,可以是人或者其他系统,子系统。以一个小人图标表示。

    对象(Object)

    对象位于时序图的顶部,以一个矩形表示。对象的命名方式一般有三种:
        1 对象名和类名。例如:华为手机:手机、loginServiceObject:LoginService。
        2 只显示类名,不显示对象,即为一个匿名类。例如::手机、:LoginSservice。
        3 只显示对象名,不显示类名。例如:华为手机:、loginServiceObject:。

    生命线(LifeLine)

    时序图中每个对象和底部中心都有一条垂直的虚线,这就是对象的生命线(对象的时间线)。以一条垂直的虚线表。

    控制焦点(Activation)

    控制焦点代表时序图中在对象时间线上某段时期执行的操作。以一个很窄的矩形表示。

    消息(Message)

    表现代表对象之间发送的信息。消息分为三种类型。
        同步消息(Synchronous Message)
    消息的发送者把控制传递给消息的接收者,然后停止活动,等待消息的接收者放弃或者返回控制。用来表示同步的意义。以一条实线+实心箭头表示。
        异步消息(Asynchronous Message)
    消息发送者通过消息把信号传递给消息的接收者,然后继续自己的活动,不等待接受者返回消息或者控制。异步消息的接收者和发送者是并发工作的。以一条实线+大于号表示。
        返回消息(Return Message)
    返回消息表示从过程调用返回。以小于号+虚线表示。

    自关联消息

    表示方法的自身调用或者一个对象内的一个方法调用另外一个方法。以一个半闭合的长方形+下方实心剪头表示。

    认识时序图六种元素

    我们来使用Visio2016来画一个用户打开微信扫描二维码支付流程时序图,通过这个时序图来认识刚刚介绍的6种时序图元素。


    时序图解释
    1,用户输入手机密码
    2,打开手机
    3,打开微信扫一扫
    4,返回微信扫一扫界面
    5.1 扫描商家收款码
    5.2 商家生成收款二维码
    5.3 返回收款二维码
    5.4 识别商家收款码
    6,提示用户输入微信支付密码
    7.1 输入微信支付密码
    7.2 微信验证用户输入密码正确
    7.3 向商家汇款

    7.4 汇款成功
    8,提示用户支付成功

    组合片段

    组合片段用来解决交互执行的条件和方式,它允许在序列图中直接表示逻辑组件,用于通过指定条件或子进程的应用区域,为任何生命线的任何部分定义特殊条件和子进程。组合片段共有13种,名称及含义如下:



    常用组合片段举例

        抉择(Alt)

    抉择在任何场合下只发生一个序列。 可以在每个片段中设置一个临界来指示该片段可以运行的条件。else 的临界指示其他任何临界都不为 True 时应运行的片段。如果所有临界都为 False 并且没有 else,则不执行任何片段。Alt片段组合可以理解为if..else if...else条件语句。

    我们还拿微信支付的时序图举例,如果7.3向商家汇款的成功或失败流程需要在时序图中体现出来,可以这么使用Alt片段组合。


    选项(Opt)

    包含一个可能发生或不发生的序列。Opt相当于if..语句。

    循环(Loop)

    片段重复一定次数,可以在临界中指示片段重复的条件。Loop相当于for语句。


    并行(Par)

    并行处理,片段中的事件可以并行交错。Par相当于多线程。


    时序图的绘制工具

    画时序图的工具有很多,但是个人只用过微软visio工具,感觉很好用,可以满足需要。

    时序图的绘制步骤

    时序图的绘制步骤可以总结为:

    1,划清边界,识别交互语境

        所谓划清边界是是指要确定好绘制时序图的范围。在微信支付例子中省略列商家打开微信、输入收款金额等交互消息,这些不是我们需要体现的,我们主要体现的是用户的扫码支付流程。

        所谓识别交互语境就是要知道自己绘制时序图的前提和背景。在微信支付的例子中用户登录了微信、开通了支付功能是前提,背景是用户需要扫描付款买东西。

    2,梳理时序图中的角色和对象都有哪些

        微信支付的例子中角色只有一个,即用户。对象有华为手机:手机、安卓版微信:微信、:商家。

    3,对象之间有哪些交互消息 

        对象之间交互的消息详见以上时序图。

    时序图的绘制技巧

    时序图的绘制技巧:

    1,从初始消息开始画,依次画出随后消息,并给每个消息分配序号,方便理解。

    2,角色和对象用名词,消息用动词。

    3,角色放在时序图的开始位置,对象重要程度或使用频率从左到右排列。这就要根据时间的流程考虑了,是一个比较主观的事情。


    4,控制焦点两端要以消息元素封顶,控制焦点不要超过消息元素。

    正确示范


    错误示范


    最后的技巧就是多联系绘制时序图,熟能生巧,自然而然就会画了。

    练习事例

    用户登录系统时序图


    参考资料

    https://baike.baidu.com/item/%E6%97%B6%E5%BA%8F%E5%9B%BE/3659178?fr=aladdin

    http://baijiahao.baidu.com/s?id=1561926824533534&wfr=spider&for=pc



    展开全文
  • sequence to sequence

    2017-01-21 12:11:32
  • sequence2sequence

    千次阅读 2018-10-06 10:52:07
    sequence to sequence模型是一类End-to-End的算法框架,也就是从序列到序列的转换模型框架,应用在机器翻译,自动应答等场景。 Seq2Seq一般是通过Encoder-Decoder(编码-解码)框架实现,Encoder和Decoder部分可以...

    转载至 https://blog.csdn.net/dcrmg/article/details/80327069

    sequence to sequence模型是一类End-to-End的算法框架,也就是从序列到序列的转换模型框架,应用在机器翻译,自动应答等场景。

    Seq2Seq一般是通过Encoder-Decoder(编码-解码)框架实现,Encoder和Decoder部分可以是任意的文字,语音,图像,视频数据,模型可以采用CNN、RNN、LSTM、GRU、BLSTM等等。所以基于Encoder-Decoder,我们可以设计出各种各样的应用算法。

    与Seq2Seq框架相对的还有一个CTC,CTC主要是利用序列局部的信息,查找与序列相对的另外一个具有一对一对应关系(强相关,具有唯一性)的序列,比较适用于语音识别、OCR等场景。

    而Seq2Seq更善于利用更长范围的序列全局的信息,并且综合序列上下文判断,推断出与序列相对应的另一种表述序列(非强相关,不具有唯一性),比较适用于机器翻译、文章主旨提取等场景。

    从范围上来说,CTC是狭义的,Seq2Seq是广义的,从结果上来说,CTC是强制的一对一对应关系,Seq2Seq是具有弱约束的多对多对应关系。

    经典的Encoder-Decoder框架:

     

    左侧Encoder编码将输入序列转化成一个固定长度的向量编码,右侧Decoder解码将之前生成的固定向量再转化成输出序列,编解码部分可以采用CNN、RNN、LSTM、GRU、BLSTM等实现。

    Encoder-Decoder模型可以预测任意的序列对应关系,但同时也有一个很大的问题就是从编码到解码的准确率很大程度上依赖于一个固定长度的语义向量c,输入序列到语义向量c的压缩过程中存在信息的丢失,并且在稍微长一点的序列上,前边的输入信息很容易被后边的输入信息覆盖,也就是说编码后的语义向量c已经存在偏差了,解码准确率自然会受到影响。其次在解码的时候,每个时刻的输出在解码过程中用到的上下文向量是相同的,没有做区分,也就是说预测结果中每一个词的的时候所使用的预测向量都是相同的, 这也会给解码带来问题。

    为了解决这样的问题,在Seq2Seq模型加入了注意力机制(attention mechanism),在预测每个时刻的输出时用到的上下文是跟当前输出有关系的上下文,而不是统一只用相同的一个。这样在预测结果中的每个词汇的时候,每个语义向量c中的元素具有不同的权重,可以更有针对性的预测结果。

    图示如下,增加了一个“注意力范围”,表示接下来输出词时候要重点关注输入序列中的哪些部分,然后根据关注的区域来产生下一个输出:

     

    attention模型最大的不同在于Encoder将输入编码成一个向量的序列,而在解码的时候,每一步都会选择性的从向量序列中挑选一个子集进行输出预测,这样,在产生每一个输出的时候,都能找到当前输入对应的应该重点关注的序列信息,也就是说,每一个输出单词在计算的时候,参考的语义编码向量c都是不一样的,所以说它们的注意力焦点是不一样的。

    --------------------- 本文来自 -牧野- 的CSDN 博客 ,全文地址请点击:https://blog.csdn.net/dcrmg/article/details/80327069?utm_source=copy

    展开全文
  • sequence to sequence模型

    万次阅读 多人点赞 2018-05-16 09:24:09
    sequence to sequence模型sequence to sequence模型是一类End-to-End的算法框架,也就是从序列到序列的转换模型框架,比如机器翻译,自动应答等场景。Seq2Seq一般是通过Encoder-Decoder(编码-解码)框架实现,...

    sequence to sequence模型是一类End-to-End的算法框架,也就是从序列到序列的转换模型框架,应用在机器翻译,自动应答等场景。

    Seq2Seq一般是通过Encoder-Decoder(编码-解码)框架实现,Encoder和Decoder部分可以是任意的文字,语音,图像,视频数据,模型可以采用CNN、RNN、LSTM、GRU、BLSTM等等。所以基于Encoder-Decoder,我们可以设计出各种各样的应用算法。

    与Seq2Seq框架相对的还有一个CTC,CTC主要是利用序列局部的信息,查找与序列相对的另外一个具有一对一对应关系(强相关,具有唯一性)的序列,比较适用于语音识别、OCR等场景。

    而Seq2Seq更善于利用更长范围的序列全局的信息,并且综合序列上下文判断,推断出与序列相对应的另一种表述序列(非强相关,不具有唯一性),比较适用于机器翻译、文章主旨提取等场景。

    从范围上来说,CTC是狭义的,Seq2Seq是广义的,从结果上来说,CTC是强制的一对一对应关系,Seq2Seq是具有弱约束的多对多对应关系。

    经典的Encoder-Decoder框架:


    左侧Encoder编码将输入序列转化成一个固定长度的向量编码,右侧Decoder解码将之前生成的固定向量再转化成输出序列,编解码部分可以采用CNN、RNN、LSTM、GRU、BLSTM等实现。

    Encoder-Decoder模型可以预测任意的序列对应关系,但同时也有一个很大的问题就是从编码到解码的准确率很大程度上依赖于一个固定长度的语义向量c,输入序列到语义向量c的压缩过程中存在信息的丢失,并且在稍微长一点的序列上,前边的输入信息很容易被后边的输入信息覆盖,也就是说编码后的语义向量c已经存在偏差了,解码准确率自然会受到影响。其次在解码的时候,每个时刻的输出在解码过程中用到的上下文向量是相同的,没有做区分,也就是说预测结果中每一个词的的时候所使用的预测向量都是相同的, 这也会给解码带来问题。

    为了解决这样的问题,在Seq2Seq模型加入了注意力机制(attention mechanism),在预测每个时刻的输出时用到的上下文是跟当前输出有关系的上下文,而不是统一只用相同的一个。这样在预测结果中的每个词汇的时候,每个语义向量c中的元素具有不同的权重,可以更有针对性的预测结果。

    图示如下,增加了一个“注意力范围”,表示接下来输出词时候要重点关注输入序列中的哪些部分,然后根据关注的区域来产生下一个输出:



    attention模型最大的不同在于Encoder将输入编码成一个向量的序列,而在解码的时候,每一步都会选择性的从向量序列中挑选一个子集进行输出预测,这样,在产生每一个输出的时候,都能找到当前输入对应的应该重点关注的序列信息,也就是说,每一个输出单词在计算的时候,参考的语义编码向量c都是不一样的,所以说它们的注意力焦点是不一样的。

    展开全文
  • Sequence to Sequence 模型

    千次阅读 2017-03-25 10:58:16
    使用 Keras 实现简单的 Sequence to Sequence 模型 Learning Phrase Representation using RNN Encode-Decoder for Statistical Machine Translation阅读笔记 Sequence to Sequence Learning with Neural Networks...
  • Sequence to Sequence Learning with Neural Networks TLDR; The authors show that a multilayer LSTM RNN (4 layers, 1000 cells per layer, 1000d embeddings, 160k source vocab, 80k target vocab) can achieve...
  • Sequence to Sequence model

    2017-06-03 20:51:14
    Sequence to Sequence Learning with Neural Networks 进行总结 文章构造了一个4层Deep LSTM网络, 每层有1000个cell, 整个网络呈现encoder-decoder结构,encoder把variable length 的input sequence映射到一...
  • IPython.display.Audio('./data/30s_seq.mp3')
  • Purfer Sequence

    万次阅读 2017-08-25 22:07:12
    Purfer Sequence 我们知道,一棵树可以用括号序列来表示,但是,一棵顶点标号(1~n)的树,还可以用一个叫做Purfer Sequence 的数列表示 一个含有 n 个节点的Purfer Sequence 有 n-2 个数,Purfer Sequence 中的每...
  • Multi-task Sequence to Sequence Learning TLDR; The authors show that we can improve the performance of a reference task (like translation) by simultaneously training other tasks, like image caption ge...
  • create sequence S_SCORE_SEQUENCE minvalue 1 maxvalue 999999999999999999999999999 start with 1 --起始值,从1开始计数 increment by 1 --增量 cache 20; 还有其他可选项如: NOMAXVALUE -- 不设置最大值 ...
  • Convolutional Sequence to Sequence Learning

    千次阅读 2017-05-10 17:14:32
    Convolutional Sequence to Sequence Learning Jonas Gehring, Michael Auli, David Grangier, Denis Yarats, Yann N. Dauphin (Submitted on 8 May 2017) The prevalent approach to sequence to ...
  • EKG Sequence

    2017-03-13 12:56:15
    The EKG sequence is a sequence of positive integers generated as follows: The first two numbers of the sequence are 1 and 2. Each successive entry is the smallest positive integer not already used ...
  • Sequence III

    2017-02-02 07:23:33
    For the card with number i writing on it, if it’s in card sequence now, its position in card sequence should never exceed $h_{i}$ at any moment. There are some limits between cards. If x is limited ...
  • Common Sequence

    万次阅读 2017-11-30 08:59:51
    A subsequence of a given sequence is the given sequence with some elements (possible none) left out. Given a sequence X = another sequence Z = is a subsequence of X if there exists a strictly incr
  • 1、通过python读取temp.txt时,出现如下错误:错误的意思是:Unicode的解码(Decode)出现错误...“illegal multibyte sequence”意思是非法的多字节序列,即没法(解码)了。 此种错误,可能是要处理的字符串本身不...
  • Sequence alignment

    千次阅读 2017-02-20 16:54:14
    concept  In computer realm,Sequence is not continuous,on the contrary,String is continuous;in the biology,sequence is called gapped sequence,string is called sequence.  Sequence similarity ...
  • 今天我们来做NLP(自然语言处理)中Sequence2Sequence的任务。其中Sequence2Sequence任务在生活中最常见的应用场景就是机器翻译。除了机器翻译之外,现在很流行的对话机器人任务,摘要生成任务都是典型的Sequence2...
  • Sequence注解

    千次阅读 2014-12-11 15:15:48
    @SequenceGenerator(name="sequenceGenerator",sequenceName="ACTIVITIESSCOPE_SEQ",allocationSize=1) @GeneratedValue(generator="sequenceGenerator",strategy=GenerationType.SEQUENCE) @Column(name =
  • TensorFlow中Sequence-to-Sequence样例代码详解

    万次阅读 热门讨论 2016-12-12 22:43:29
    在NLP领域,sequence to sequence模型有很多应用,比如机器翻译、自动应答机器人等。在看懂了相关的论文后,我开始研读TensorFlow提供的源代码,刚开始看时感觉非常晦涩,现在基本都弄懂了,我在这里主要介绍...
  • Incorporating Copying Mechanism in Sequence-to-Sequence Learning TLDR; The authors introduce CopyNet, a variation on the seq2seq that incorporates a “copying mechanism”. With this mechanism, the ...
  • 序列sequence

    2013-06-20 11:36:07
    在oracle中sequence就是所谓的序列号,每次取的时候它会自动增加,一般用在需要按序列号排序的地方。 1、Create Sequence 你首先要有CREATE SEQUENCE或者CREATE ANY SEQUENCE权限, CREATE SEQUENCE emp_...
  • 链接:...使用 Keras 实现简单的 Sequence to Sequence 模型 29 May 2016 目录 Sequence to Sequence Model Keras 简介 Pig Latin: Sequence to Sequence 实践 S...
  • sequence training

    千次阅读 2016-01-06 23:09:51
    Sequence training is short for sequence discriminative training.Reference Voigtlaender, Paul, et al. “Sequence-discriminative training of recurrent neural networks.” Acoustics, Speech and Signal ...
  • create sequence

    千次阅读 2015-03-11 14:20:54
    create sequence 在oracle中sequence就是所谓的序列号,每次取的时候它会自动增加,一般用在需要按 序列号排序的地方。  1、 create sequence  你首先要有create sequence或者create any sequence权限, ...
  • python中的sequence(序列)

    万次阅读 2018-05-27 10:36:32
    数据类型:sequence (序列)1. sequence(序列)是一组有顺序的元素的集合(严格的说,是对象的集合,但鉴于我们还没有引入“对象”概念,暂时说元素)序列可以包含一个或多个元素,也可以是一个没有任何元素的空序列元素...
  • Oracle Sequence

    2013-08-05 12:21:17
    Oracle Sequence 一,创建 1.简单创建 Create sequence myseq; 简单创建的默认设置如下: CREATE SEQUENCE GZDQMP.MYSEQ START WITH 21 MAXVALUE 999999999999999999999999999 MINVALUE 1 NOCYCLE increment by 1 ...
  • AVC sequence header & AAC sequence header

    千次阅读 2018-12-20 10:59:35
    AVC sequence header AAC sequence header 这两个header非常重要,是客户端解码的必需部分. 因为以上两个参数只在客户端开始拉流开始的时候接收一次. 所以当H264参数发生变化时(如分辨率或帧...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 520,222
精华内容 208,088
关键字:

sequence